《表4 剖面数量确定的依据》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《潜在剖面分析在组织行为领域中的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:作者整理

目前使用频率最高的指标为BIC、ABIC和BLRT（e.g.，Stanley et al.，2013；Valero&Hirschi，2016；Meyer et al.，2012）。多项仿真研究指出，BIC、ABIC、CAIC和BLRT在确定剖面数量时更加有效（e.g.，Henson，Reise，&Kim，2007；Nylund et al.，2007；Peugh&Fan，2013；Yang，2006），Nylund等（2007）仿真研究发现，随着样本量的降低，BLRT依然有足够的检验力，BLRT相比于LMR、BIC更能够降低第一类错误的出现可能性，增加模型识别的正确率。Yang（2006）发现每个剖面平均样本量达到50的情况下，ABIC是最有效的剖面分类信息指标，其他指标若要达到ABIC相同的检验力，需要的样本量都大大多于ABIC。当上述指标无法选出最优模型时，BIC和CAIC倾向于低估剖面数量，而AIC、ABIC和BLRT倾向于高估剖面数量。在此情况下，部分学者建议通过绘制剖面数量与△BIC、△ABIC等指标的陡坡图（elbow plots）来查找拐点以确定剖面数量（Asparouhov&Muthén，2014；Morin et al.，2011；Petras&Masyn，2010；Wang，Morin，Ryan，&Liu，2016）。王孟成和毕向阳（2018，p.15）建议，如果各项评价指标之间不一致，应该结合分类的实际意义和样本数量来确定最终的类别数目。综上所述，总结了LPA剖面确定的依据（表4）及报告思路（图1）。